随着经济与电信行业的快速发展,移动客户流失的问题进一步凸显出来,预测客户流失成了移动运营商保持经济效益、稳定企业发展的必要工作。最近几年,数据挖掘技术由于其强大的客户分析能力,已经被广泛地运用于客户流失预测之中。与此同时,随着模糊理论的口趋成熟,模糊聚类算法也开始被广泛应用于各种实际问题中。在模糊聚类算法中,模糊C-均值算法(FCM)是应用和研究最广泛的一种。本文详细研究了模糊C-均值算法,针对FCM算法易于陷入局部最优解这一缺陷,提出了一种基于优化遗传的FCM算法(IGC-FCM)。首先,针对遗传算法存在编码长度过长、易于“早熟”等不足,本文采用实数编码策略、自适应变异算子来优化遗传算法,优化的遗传算法提高了运行效率,扩大了全局搜索能力,具有更好的适应度；之后将优化的遗传算法与传统的FCM算法结合,即IGC-FCM。实验仿真结果表明,IGC-FCM算法既保留了传统FCM算法的快速收敛的优点,又扩大了算法的全局搜索能力,很好地抑制了传统FCM的局部收敛。接着,本文选取移动业务数据,建立了基于改进FCM算法(IGC-FCM)的客户流失预测模型。由于移动业务数据量大、集成复杂、业务繁多等特点,本文在建模之前做了大量的数据预处理工作,包括数据清洗、数据集成与转换、数据规约,最后抽取出一部分客户数据作为客户流失预测模型的数据集。之后,本文在WEKA平台上,根据Modisette提出的客户分割矩阵,采用IGC-FCM算法进行移动客户的聚类,并且对产生的每一个聚类进行了分析,同时对模型预测结果的准确率和覆盖率等性能进行了评估。最后,本文总结了所做的理论研究工作和实验,同时针对本文存在的不足,提出了下一步的研究重点和方向。